Поглиблене навчання сприяє безпеці економіки токенів: інноваційний метод дослідження Bonding Curve

Ця стаття представить інноваційну пропозицію, яка отримала фінансування від Token Engineering Commons весною 2024 року. Пропозиція має на меті використання технологій навчання з підкріпленням та моделювання імітації на основі агентів для оптимізації механізму bonding curve в екосистемі токенів.

Фон проекту та цілі

Bonding curve як основна складова токен-екосистеми відіграє ключову роль у контролі за коливаннями цін, забезпеченні ліквідності та динамічному регулюванні постачання. Цей проект успадкував концепцію раннього використання AI-agent для оптимізації механізмів та поєднує нещодавні результати досліджень BCRG (Bonding Curve Research Group).

Команда проекту планує досліджувати потенційні зловмисні стратегії під різними комбінаціями кривих зв'язування PAMM та SAMM за допомогою AI-агента, навченої за допомогою посиленого навчання. Порівнюючи аналіз та досліджуючи простір поведінки, шукати стабільні та якісні комбінації параметрів, постійно оптимізуючи проектування механізму протоколу, зменшуючи розрив між очікуваною поведінкою та реальною поведінкою, знижуючи економічні ризики безпеки токену.

Методи дослідження

Дослідження буде зосереджене на чотирьох поширених типах PAMM bonding curve (лінійний, експоненціальний, степеневий та сигмоїдний) та двох типах SAMM bonding curve (постійний продукт та змішаний), що в цілому формує 8 комбінацій. Команда застосує метод агентно-орієнтованого моделювання та симуляції для експериментів, використовуючи AI-agent для вивчення набору потенційних зловмисних стратегій кожної схеми та ймовірності їх виникнення, а також наочно продемонструє вплив цих стратегій на систему за допомогою результатів симуляції.

Інноваційні моменти та цілі

1. Впровадження посиленого навчання в Токен Інженерію для формування методів оптимізації механізму протоколу на основі AI-агента.
2. Запропонувати універсальні, реалістичні та багаторазові методи, які можуть підвищити економічну безпеку всієї токен-екосистеми.
3. Використовуючи платформу Holobit, зробіть модель більш зрозумілою, зручною у використанні та перевірці.

Короткострокові цілі включають дослідження потенційних зловмисних стратегій, надання науково обґрунтованих методів дослідження, а також пропозиції щодо підвищення економічної безпеки з точки зору bonding curve. Довгострокова мета полягає в популяризації Token Engineering, щоб більше людей могли брати участь у створенні екосистеми токенів.

Очікувані результати

1. Модель симуляції токеноміки з впровадженням AI-агента, що містить 8 експериментальних схем комбінацій PAMM та SAMM.
2. Дослідження потенційних стратегій зловмисних атак під різними комбінаціями кривих зв'язку, основане на дослідженні AI-agent.

Цінність проєкту

Цей проект не лише сприяє підвищенню безпеки токен системи, але й може сприяти поширенню та практиці Token Engineering. Завдяки відкритим і прозорим моделям та експериментальним процесам, проект має на меті дозволити більшій кількості людей зрозуміти та взяти участь у цій передовій галузі, щоб зробити внесок у створення більш безпечної та стійкої токен екосистеми.